问财量化选股策略逻辑
该选股策略包含三个条件：
- 振幅大于1；
- 日线MACD大于0；
- 今日上涨幅度大于1%。
选股逻辑分析
该选股策略综合考虑了振幅、技术指标和市场的因素来选股，尤其关注了股票的上涨情况。该选股策略注重市场和技术因素的结合，能够反映股票价格走势和市场动态。
有何风险？
该选股策略可能存在以下风险：
- 忽略了公司的基本面因素，可能影响公司的长期价值；
- 只考虑了当前市场上涨情况，未考虑未来的市场走势；
- 只使用了简单的技术指标，没有考虑其他更加复杂的技术指标。
如何优化？
为提高该选股策略的精度和准确性，建议优化方向为：
- 引入基本面因素进行综合分析，比如EPS、PE等，以全面反映公司的价值；
- 引入其他技术分析指标，如KDJ、均线等，提高技术分析能力；
- 加入市场情况分析，不仅考虑当前市场情况，也要考虑未来市场走势及影响因素。
最终的选股逻辑
综合以上分析，建议完善后的选股策略为：
- 振幅大于1；
- 日线MACD大于0；
- 引入基本面因素进行综合分析；
- 引入其他技术分析指标，如KDJ、均线等；
- 考虑未来市场走势及影响因素；
- 综合考虑多种指标进行选股。
同花顺指标公式代码参考
// 通达信指标公式
SELECT:TUAIZY,IF((REF(CLOSE,1)>REF(CLOSE,2)) AND ((CLOSE-REF(CLOSE,1))/REF(CLOSE,1))>0.01,1,0),REF(CLOSE,1),CLOSE;
python代码参考
def get_stock_by_upward_trend(tickers, start_date, end_date):
df_price = get_price(tickers, start_date=start_date, end_date=end_date)
amplitude = (df_price['high'] - df_price['low']) / df_price['close'].shift(1)
macd, signal, hist = talib.MACD(df_price['close'])
df_price['pct_change'] = df_price['close'].pct_change()
selection = (df_price['pct_change'] > 0.01) & (amplitude > 1) & (macd > 0)
return df_price[selection]
## 如何进行量化策略实盘？
请把您优化好的选股语句放入文章最下面模板的选股语句中即可。
select_sentence = '市值小于100亿' #选股语句。
模板如何使用？
点击图标右上方的复制按钮，复制到自己的账户即可使用模板进行回测。
## 如果有任何问题请添加 下方的二维码进群提问。
